Хетероскедастичност
У статистици се хетероскедастичност (или хетеросцедастичност) дешава када стандардне грешке променљиве, које се надгледају током одређеног времена, нису константне. Са хетероскедастичношћу, сигнални знак након визуелног прегледа преосталих грешака је да ће се оне временом склонити испирању, као што је приказано на слици испод.
Хетероскедастичност се често појављује у два облика: условном и безусловном. Условна хетероскедастичност идентификује несталну нестабилност када се не могу идентификовати будући периоди високе и ниске хлапљивости. Безусловна хетероскедастичност се користи када се могу идентификовати термини периода високе и ниске волатилности.
Кључне Такеаваис
- У статистици се хетероскедастичност (или хетеросцедастичност) дешава када стандардне грешке променљиве, које се надгледају током одређеног времена, нису константне.
- Са хетероскедастичношћу, сигнални знак након визуелног прегледа преосталих грешака је да ће се оне временом склонити испирању, као што је приказано на слици испод.
- Хетероскедастичност је кршење претпоставки за моделирање линеарне регресије и тако може утицати на ваљаност економетријске анализе или финансијских модела попут ЦАПМ-а.
Иако хетероскедастичност не изазива пристраности у процени коефицијената, чини их мање прецизним; мања прецизност повећава вероватноћу да су процене коефицијента даље од тачне вредности становништва.
Основе хетероскадастичности
У финансијама се условна хетероскедастичност често види у ценама акција и обвезница. Ниво волатилности ових акција не може се предвидјети ни у једном периоду. Безувјетна хетероскедастичност може се користити када се расправља о варијаблама које имају препознатљиву сезонску варијабилност, као што је потрошња електричне енергије.
Како се односи на статистику, хетероскедастичност (такође написана хетеросцедастичност) односи се на варијанцу грешке или зависност расипања, унутар најмање једне независне променљиве унутар одређеног узорка. Ове варијације могу се користити за израчунавање грешке између скупова података, као што су очекивани резултати и стварни резултати, јер пружа меру одступања података са средњих вредности.
Да би се скуп података могао сматрати релевантним, већина података мора бити унутар одређеног броја стандардних одступања од средње вриједности коју описује Чебишева теорема, позната и као Чебишева неједнакост. Ово даје смернице у погледу вероватноће случајне променљиве која се разликује од средње.
На основу одређеног броја стандардних одступања, случајна варијабла има одређену вјероватност да постоји унутар тих точака. На пример, можда ће бити потребно да распон од две стандардне девијације садржи најмање 75% тачака података које треба сматрати важећим. Чест узрок одступања изван минималног захтева често се приписује питањима квалитета података.
Супротност хетероскедастичкој је хомоскедастичка. Хомоскедастичност се односи на стање у коме је варијанца преосталог појма константна или готово једнака. Хомоскедастичност је једна претпоставка моделирања линеарне регресије. Хомоскедастичност сугерира да регресијски модел може бити добро дефинисан, што значи да пружа добро објашњење перформанси зависне променљиве.
Врсте Хетероскадастичност
Безусловно
Безувјетна хетероскедастичност је предвидљива и најчешће се односи на варијабле које су по природи цикличне. Ово може укључити већу малопродајну продају пријављену током традиционалног периода куповине празника или пораст позива за поправак клима уређаја током топлијих мјесеци.
Промјене унутар варијанце могу се директно повезати с појавом одређених догађаја или предиктивних обиљежја ако смјене нису традиционално сезонске. Ово се може повезати са повећањем продаје паметних телефона издањем новог модела, јер је активност циклична на основу догађаја, али није нужно одређена сезоном.
Условни
Условна хетероскедастичност по природи није предвидљива. Не постоји знак који би упутио аналитичаре да верују да ће се подаци у било којем тренутку више или мање расипати. Често се финансијски производи сматрају подложном хетероскедастичности, јер се не могу све промене приписати одређеним догађајима или сезонским променама.
Посебна разматрања
Хетероскедастичност и финансијско моделирање
Хетероскедастичност је важан концепт у регресијском моделирању, а у свету инвестиција регресијски модели се користе за објашњење перформанси хартија од вредности и портфеља улагања. Најпознатији од њих је Модел одређивања цена капитала (ЦАПМ), који објашњава перформансе акције у смислу њене нестабилности у односу на тржиште у целини. Проширења овог модела су додала и друге променљиве предвиђања као што су величина, замах, квалитет и стил (вредност у односу на раст).
Ове променљиве предиктора су додате јер објашњавају или узимају у обзир одступање у зависној варијабли. Учинак портфеља објашњава ЦАПМ. На пример, програмери ЦАПМ модела били су свесни да њихов модел није успео да објасни занимљиву аномалију: висококвалитетне залихе, које су биле мање волатилне од залиха лошег квалитета, имале су тенденцију да имају боље резултате него што је ЦАПМ модел предвиђао. ЦАПМ каже да залихе високог ризика треба да надмаше залихе нижег ризика. Другим речима, дионице високе волатилности требале би победити залихе слабијег волатилности. Али висококвалитетне залихе, које су мање нестабилне, имале су тенденцију да постижу боље резултате него што је то предвидио ЦАПМ.
Касније су други истраживачи проширили ЦАПМ модел (који је већ био проширен на друге варијабле предвиђања као што су величина, стил и замах) како би укључили квалитет као додатну варијаблу предиктора, такође познат као "фактор". Уз овај фактор који је сада укључен у модел, рачуна се на аномалију у перформансама ниских волатилних залиха. Ови модели, познати као мултифакторски модели, чине основу улагања у факторе и паметне бета верзије.
Упоредите инвестиционе рачуне Име добављача Опис Откривање оглашивача × Понуде које се појављују у овој табели су од партнерстава од којих Инвестопедиа прима накнаду.